引用論文
雷亞國, 李熹偉, 李響, 李乃鵬, 楊彬. 面向機(jī)械設(shè)備通用健康管理的智能運(yùn)維大模型[J]. 機(jī)械工程學(xué)報(bào), 2025, 61(6): 1-13.
LEI Yaguo, LI Xiwei, LI Xiang, LI Naipeng, YANG Bin. Research on Large Model for General Prognostics and Health Management of Machinery[J]. Journal of Mechanical Engineering, 2025, 61(6): 1-13.
(戳鏈接，下載全文)
近年來，基于深度學(xué)習(xí)的各類機(jī)械設(shè)備健康管理模型取得了顯著進(jìn)展。然而，現(xiàn)有模型參數(shù)規(guī)模小，通常只能接受特定采頻、轉(zhuǎn)速、模態(tài)的數(shù)據(jù)，針對齒輪、軸承等特定零部件，執(zhí)行監(jiān)測、診斷、預(yù)測等特定任務(wù)，且難以適應(yīng)新場景，缺乏持續(xù)進(jìn)化能力。隨著高端設(shè)備精密性、復(fù)雜度的不斷提升，工業(yè)場景對高通用、易擴(kuò)展、可進(jìn)化的“一站式”健康管理服務(wù)需求日益迫切 。西安交通大學(xué)雷亞國教授團(tuán)隊(duì)受近年來ChatGPT等語言大模型在數(shù)據(jù)、任務(wù)、場景等方面通用化發(fā)展趨勢啟發(fā)，提出了面向機(jī)械設(shè)備通用健康管理的智能運(yùn)維大模型。首先，將多模式數(shù)據(jù)通過角度域重采樣和數(shù)據(jù)分割統(tǒng)一編碼為詞元序列；然后，輸入基于Transformer的基底模型，提取健康信息和退化信息至特定詞元；最后，將這些特定詞元用于執(zhí)行下游的監(jiān)測、診斷、預(yù)測等多種任務(wù)。在故障數(shù)據(jù)和長期退化數(shù)據(jù)上對提出模型的基準(zhǔn)性能、多任務(wù)協(xié)同性能和擴(kuò)展性能進(jìn)行了驗(yàn)證，結(jié)果表明：提出的智能運(yùn)維大模型能夠在軸承、齒輪等多種對象上聯(lián)動實(shí)現(xiàn)狀態(tài)監(jiān)測、故障診斷和壽命預(yù)測；診斷與預(yù)測多任務(wù)能夠有效協(xié)同，互相促進(jìn)性能提升，相較于單任務(wù)模型表現(xiàn)更為出色；在小樣本學(xué)習(xí)、持續(xù)學(xué)習(xí)等場景下，模型能夠?qū)崿F(xiàn)快速適配部署并持續(xù)進(jìn)化。因此，提出的智能運(yùn)維大模型具有高通用性、易擴(kuò)展性、可持續(xù)進(jìn)化等特點(diǎn)，有望為機(jī)械設(shè)備提供通用化“一站式”健康管理服務(wù) 。
本文作為《機(jī)械工程學(xué)報(bào)》2025年第6期的封面文章發(fā)表，期望相關(guān)工作為機(jī)械設(shè)備智能運(yùn)維大模型技術(shù)發(fā)展提供參考。
1
研究背景
近年來，基于深度學(xué)習(xí)的各類機(jī)械設(shè)備健康管理模型取得了顯著進(jìn)展。然而，現(xiàn)有模型參數(shù)規(guī)模小，通常只能接受特定采頻、轉(zhuǎn)速、模態(tài)的數(shù)據(jù)，針對齒輪、軸承等特定零部件，執(zhí)行監(jiān)測、診斷、預(yù)測等特定任務(wù)，且難以適應(yīng)新場景，缺乏持續(xù)進(jìn)化能力。隨著高端設(shè)備精密性、復(fù)雜度的不斷提升，工業(yè)場景對高通用、易擴(kuò)展、可進(jìn)化的“一站式”健康管理服務(wù)需求日益迫切。受近年來ChatGPT等語言大模型在數(shù)據(jù)、任務(wù)、場景等方面通用化發(fā)展趨勢啟發(fā)，提出了面向機(jī)械設(shè)備通用健康管理的智能運(yùn)維大模型。
圖1 面向機(jī)械設(shè)備通用健康管理的智能運(yùn)維大模型框架及通用性特點(diǎn)
2
亮點(diǎn)或創(chuàng)新點(diǎn)
1.多種模式數(shù)據(jù)統(tǒng)一編碼：通過角度域重采樣與數(shù)據(jù)分割，將不同采樣頻率、不同工況的多模式數(shù)據(jù)統(tǒng)一編碼為相互兼容的詞元序列，使模型具備處理來源分散、形式多樣的多模態(tài)數(shù)據(jù)的能力。
2.健康管理任務(wù)協(xié)同聯(lián)動構(gòu)建了基于Transformer的信息集成基底模型，能夠從監(jiān)測數(shù)據(jù)中提取健康信息和退化信息，實(shí)現(xiàn)狀態(tài)監(jiān)測、故障診斷及壽命預(yù)測等多樣化健康管理任務(wù)的協(xié)同聯(lián)動。診斷與預(yù)測多任務(wù)間協(xié)同增強(qiáng)性能表現(xiàn)，相較單任務(wù)模型具有更好性能表現(xiàn)。
3.系統(tǒng)級精細(xì)化感知管理：采用多標(biāo)簽二元編碼方式，支持對設(shè)備多個位置及多種健康狀態(tài)的同時監(jiān)測與管理，從故障部件、故障種類、故障位置等多個維度實(shí)現(xiàn)設(shè)備系統(tǒng)級的精細(xì)化健康管理。
4.多種應(yīng)用場景快速適配模型支持通過微調(diào)實(shí)現(xiàn)快速適配，能夠在小樣本學(xué)習(xí)、持續(xù)學(xué)習(xí)和遷移學(xué)習(xí)等多種場景下保持優(yōu)異的診斷性能，具備良好的場景通用性和擴(kuò)展能力。
3
提出大模型結(jié)構(gòu)
提出大模型主要包含三個部分：健康信息集成單元、退化信息集成單元和下游任務(wù)單元，如圖1所示。首先將多模式數(shù)據(jù)通過角度域重采樣、幅值-分布信息分離和數(shù)據(jù)分割統(tǒng)一編碼為詞元序列，而后將其輸入基于Transformer的信息集成基底模型，依次提取健康信息和退化信息至特定詞元，最后將這些特定詞元用于執(zhí)行下游的監(jiān)測、診斷、預(yù)測等多種健康管理任務(wù)。通過上述流程，旨在使提出的智能運(yùn)維大模型具有高通用、易擴(kuò)展、可進(jìn)化等特點(diǎn)。
圖2 提出大模型的結(jié)構(gòu)
4
試驗(yàn)驗(yàn)證結(jié)果
將提出大模型與ResNet架構(gòu)的故障診斷模型和CNN+LSTM架構(gòu)的剩余壽命預(yù)測模型進(jìn)行對比，在測試集上的診斷結(jié)果和預(yù)測結(jié)果如表1所示?；赗esNet的對比方法僅能執(zhí)行故障診斷任務(wù)，基于CNN+LSTM的對比方法僅能執(zhí)行剩余壽命預(yù)測任務(wù)，而提出模型可以聯(lián)動執(zhí)行診斷、預(yù)測任務(wù)，在測試集上取得了較對比方法更優(yōu)的診斷和預(yù)測結(jié)果 。
圖3展示了軸承和齒輪的健康管理案例，內(nèi)容包括原始全壽命振動信號（第1行）、提取的幅值指標(biāo)（第2行）、模型輸出的監(jiān)測結(jié)果（第3行）、診斷結(jié)果（第4行）以及預(yù)測結(jié)果（第5行）。從圖中可以看出，提出大模型能夠準(zhǔn)確預(yù)警軸承和齒輪的故障，在故障發(fā)生時刻精確識別出故障部件、故障類別及故障位置。此外，在監(jiān)測過程中，模型還提供了較為精準(zhǔn)的壽命預(yù)測結(jié)果，充分展現(xiàn)了其在對象和任務(wù)層面相較于傳統(tǒng)專用健康管理模型的通用性和優(yōu)越性。
圖3 驗(yàn)證案例：(a)～(g)為軸承 RA-Bearing 2_5 案例，其實(shí)際失效結(jié)果為外圈故障(OF)；(h)～(n)為齒輪 RC-Gear 13 案例，其實(shí)際失效結(jié)果為小齒輪(GS)點(diǎn)蝕(S)、斷齒(BT)
5
結(jié)論與展望
分析了機(jī)械設(shè)備監(jiān)測、診斷與預(yù)測等專用健康管理模型應(yīng)用的局限性，指出了健康管理模型由專用走向通用的必然趨勢及通用性特點(diǎn)，建立了面向機(jī)械設(shè)備通用健康管理的智能運(yùn)維大模型。在17個故障數(shù)據(jù)集和4個退化數(shù)據(jù)集上，開展了3個方面以及8類任務(wù)的試驗(yàn)，結(jié)果驗(yàn)證了提出模型的有效性，并得到如下結(jié)論：
(1) 提出模型相較現(xiàn)有專用模型，能夠處理不同采頻、不同工況的振動、電流等多模態(tài)數(shù)據(jù)，可同時執(zhí)行狀態(tài)監(jiān)測、故障診斷、壽命預(yù)測任務(wù)，全面感知設(shè)備整體健康狀態(tài)，實(shí)現(xiàn)系統(tǒng)級精細(xì)化健康管理。
(2) 提出模型能夠通過診斷、預(yù)測多任務(wù)協(xié)同聯(lián)動，促進(jìn)彼此性能提升，展現(xiàn)出比專用任務(wù)模型更好的性能。此外，依托該大模型基底，通過微調(diào)可快速適應(yīng)少量樣本可用、健康狀態(tài)類別持續(xù)新增等多樣化場景。
(3) 盡管提出模型實(shí)現(xiàn)了數(shù)據(jù)、任務(wù)、場景等方面的通用化，但適用范圍仍可進(jìn)一步擴(kuò)展探索：可擴(kuò)展加入更高層的維護(hù)決策等任務(wù)；可擴(kuò)展零樣本、無監(jiān)督等應(yīng)用場景；可探索與語言大模型結(jié)合，形成通用性、擴(kuò)展性、交互性更強(qiáng)的機(jī)械設(shè)備運(yùn)維綜合智能體。
6
團(tuán)隊(duì)研究方向
研究方向一：機(jī)械系統(tǒng)動態(tài)建模
該方向通過建立動力學(xué)、唯象、數(shù)字孿生等模型，對機(jī)械系統(tǒng)的動態(tài)特性進(jìn)行分析，研究機(jī)械系統(tǒng)在內(nèi)外激勵下的動力學(xué)行為以及模型參數(shù)、故障類型等各種因素對系統(tǒng)響應(yīng)特性的影響。
研究方向二：機(jī)械信號處理與分析
機(jī)械故障特征提取猶如“沙里淘金”，信號處理是提取故障特征的“一把利器”。該方向主要研究降噪或者用噪等先進(jìn)信號處理方法與技術(shù)，揭示表征機(jī)械運(yùn)行健康狀況的敏感信息，建立特色監(jiān)測與診斷指標(biāo)，從而實(shí)現(xiàn)機(jī)械故障微弱特征的增強(qiáng)與提取。
研究方向三：大數(shù)據(jù)驅(qū)動的智能故障診斷
該方向主要研究軟計(jì)算、機(jī)器學(xué)習(xí)等人工智能算法，通過建立智能診斷模型，自適應(yīng)解析機(jī)械信號蘊(yùn)含的復(fù)雜結(jié)構(gòu)信息，探索大數(shù)據(jù)中潛在的故障演化規(guī)律，實(shí)現(xiàn)機(jī)械故障的智能識別。
研究方向四：機(jī)械裝備剩余壽命預(yù)測
該方向主要研究基于衰退模型和數(shù)據(jù)驅(qū)動的數(shù)模聯(lián)動剩余壽命預(yù)測理論與方法，實(shí)現(xiàn)風(fēng)電機(jī)組、航空發(fā)動機(jī)、工程機(jī)械等關(guān)鍵零部件的剩余壽命預(yù)測，為其預(yù)測性維修提供技術(shù)支持。
研究方向五：機(jī)械裝備健康維護(hù)決策
該方向主要研究剩余壽命預(yù)測驅(qū)動下基于數(shù)學(xué)規(guī)劃模型與啟發(fā)式優(yōu)化算法的維修決策理論與技術(shù)，通過構(gòu)建并優(yōu)化機(jī)械裝備運(yùn)維模型，制訂最佳維修管理方案，降低運(yùn)維成本與故障率。
面向需求、服務(wù)工程：智能運(yùn)維軟硬件系統(tǒng)及平臺研發(fā)
開發(fā)基于LabVIEW和Web的在線健康監(jiān)測、故障診斷和智能運(yùn)維軟硬件系統(tǒng)及平臺，對機(jī)械、運(yùn)載、能源、冶金、石化、國防等行業(yè)的機(jī)械裝備進(jìn)行遠(yuǎn)程實(shí)時監(jiān)測、趨勢預(yù)報(bào)、智能診斷、壽命預(yù)測、維護(hù)決策，實(shí)現(xiàn)基于裝備運(yùn)行狀態(tài)的預(yù)測性維護(hù)決策。
實(shí)驗(yàn)室一覽
復(fù)雜傳動系統(tǒng)加速壽命綜合實(shí)驗(yàn)臺
滾動軸承加速壽命實(shí)驗(yàn)臺
制冷機(jī)可靠性測試平臺
風(fēng)力發(fā)電智能運(yùn)維平臺
高速列車轉(zhuǎn)向架故障模擬實(shí)驗(yàn)臺
錐齒輪箱加速全壽命實(shí)驗(yàn)臺
作者及團(tuán)隊(duì)介紹
雷亞國， 西安交通大學(xué)教授、博士生導(dǎo)師；機(jī)械工程學(xué)院常務(wù)副院長、精密微納制造技術(shù)全國重點(diǎn)實(shí)驗(yàn)室副主任、美國機(jī)械工程師協(xié)會會士（ASME Fellow）、英國工程技術(shù)學(xué)會會士（IET Fellow）、國際工程資產(chǎn)管理協(xié)會會士（ISEAM Fellow）、國家杰出青年科學(xué)基金獲得者、科睿唯安全球高被引科學(xué)家（2019至今）、國家重點(diǎn)研發(fā)項(xiàng)目首席科學(xué)家（2項(xiàng)）、“三秦學(xué)者”全國一流創(chuàng)新團(tuán)隊(duì)帶頭人、陜西省科技創(chuàng)新團(tuán)隊(duì)帶頭人?，F(xiàn)擔(dān)任中國機(jī)械工程學(xué)會工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會副主任委員、IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing等本領(lǐng)域著名期刊副主編、《機(jī)械工程學(xué)報(bào)》編委。長期從事機(jī)械系統(tǒng)建模與動態(tài)信號處理、大數(shù)據(jù)智能故障診斷與壽命預(yù)測、機(jī)械狀態(tài)健康監(jiān)測與智能維護(hù)等方面的研究工作。研發(fā)的智能診斷系統(tǒng)在智能制造、能源電力、交通運(yùn)輸?shù)阮I(lǐng)域得到廣泛應(yīng)用。曾獲國家技術(shù)發(fā)明二等獎、中國青年科技獎、教育部自然科學(xué)一等獎、教育部青年科學(xué)獎、科學(xué)探索獎、陜西省自然科學(xué)一等獎、霍英東教育基金會青年教師獎。
李響，西安交通大學(xué)教授、博導(dǎo)，國家級青年人才，英國工程技術(shù)學(xué)會會士（IET Fellow），科睿唯安全球高被引科學(xué)家，主要研究方向?yàn)楣I(yè)人工智能、大模型、機(jī)器視覺、神經(jīng)形態(tài)計(jì)算、智能運(yùn)維等，主持國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目課題、國家自然科學(xué)基金等項(xiàng)目，參與制定國家標(biāo)準(zhǔn)3項(xiàng)，研究成果在航空航天、智能制造等領(lǐng)域獲得工程應(yīng)用，擔(dān)任期刊IEEE Transactions on Neural Networks and Learning Systems、Expert Systems with Applications、Pattern Recognition副主編，《機(jī)械工程學(xué)報(bào)》首屆青年編委，發(fā)表ESI高被引論文24篇，ESI熱點(diǎn)論文8篇，谷歌學(xué)術(shù)引用10000次以上，H指數(shù)46，出版英文學(xué)術(shù)專著1部，入選全球前2%頂尖科學(xué)家終身榜單，曾獲中國振動工程學(xué)會基礎(chǔ)研究二等獎、遼寧省自然科學(xué)二等獎、中國力學(xué)學(xué)會自然科學(xué)二等獎等獎項(xiàng)。
李熹偉， 西安交通大學(xué)機(jī)械工程學(xué)院博士研究生，英國伯明翰大學(xué)鐵路研究與教育中心（BCRRE）聯(lián)合培養(yǎng)博士。主要研究方向：機(jī)械故障診斷、健康管理大模型。
李乃鵬， 西安交通大學(xué)機(jī)械工程學(xué)院副教授，美國佐治亞理工學(xué)院聯(lián)合培養(yǎng)博士。長期從事機(jī)械裝備健康監(jiān)測、壽命預(yù)測、智能運(yùn)維方面研究工作。主持國家自然科學(xué)基金面上、青年項(xiàng)目，博士后站中特助等項(xiàng)目10余項(xiàng)，作為單位負(fù)責(zé)人承擔(dān)國家基金重點(diǎn)項(xiàng)目1項(xiàng)。出版英文專著1部，獲國家科學(xué)技術(shù)出版基金資助；在本領(lǐng)域權(quán)威期刊發(fā)表學(xué)術(shù)論文40余篇，其中ESI熱點(diǎn)論文4篇、ESI高被引論文7篇，WOS總他引4500余次。參與制定國家標(biāo)準(zhǔn)4項(xiàng)，授權(quán)國家發(fā)明專利34件，專利權(quán)轉(zhuǎn)讓6件。研究成果在風(fēng)電裝備、工業(yè)機(jī)器人、重卡車輛等裝備得到應(yīng)用。曾獲陜西省自然科學(xué)一等獎（第二）、中國華電集團(tuán)科技進(jìn)步一等獎、陜西省振動工程學(xué)會青年科技獎、陜西省優(yōu)博論文等，入選中國科協(xié)青年人才托舉工程、科睿唯安全球高被引科學(xué)家，連續(xù)4年入選愛思維爾全球前2%頂尖科學(xué)家榜單。
楊彬， 西安交通大學(xué)機(jī)械工程學(xué)院助理教授，加拿大多倫多大學(xué)維護(hù)優(yōu)化與可靠性工程研究中心（C-MORE）聯(lián)合培養(yǎng)博士，入選國家“博士后創(chuàng)新人才支持計(jì)劃”、澳門學(xué)者、西安交通大學(xué)“青年優(yōu)秀人才支持計(jì)劃”A類、全球前2%頂尖科學(xué)家榜單。研究方向：機(jī)械故障遷移診斷理論、新一代人工智能故障診斷、高端裝備大數(shù)據(jù)智能運(yùn)維。主持國家自然科學(xué)基金青年項(xiàng)目、中國博士后科學(xué)基金面上項(xiàng)目等；出版學(xué)術(shù)專著1部，獲工信學(xué)術(shù)出版基金資助；在本領(lǐng)域國內(nèi)外權(quán)威期刊上發(fā)表學(xué)術(shù)論文10余篇，多篇入選ESI熱點(diǎn)，中國百篇最具影響國際學(xué)術(shù)論文，中國科協(xié)優(yōu)秀科技論文等；授權(quán)國家發(fā)明專利10余件，其中技術(shù)轉(zhuǎn)讓3件。為國際著名軸承制造商研發(fā)了軸承加工質(zhì)量缺陷智能診斷系統(tǒng)，在全球最大的球軸承生產(chǎn)基地部署應(yīng)用；曾獲中國自動化學(xué)會自然科學(xué)一等獎、陜西省自然科學(xué)一等獎、陜西高等學(xué)?？茖W(xué)技術(shù)一等獎等獎勵。擔(dān)任中國自動化學(xué)會混合智能專委會委員、《機(jī)械工程學(xué)報(bào)》首屆青年編委。
7
團(tuán)隊(duì)近2年代表論著
[1] 李響, 付春霖, 雷亞國, 李乃鵬*, 楊彬. 保證數(shù)據(jù)隱私的裝備協(xié)同智能故障診斷聯(lián)邦遷移學(xué)習(xí)方法[J]. 機(jī)械工程學(xué)報(bào), 2023, 59(6): 1-9.
[2] LI Xiang, YU Shupeng, LEI Yaguo, et al. Intelligent machinery fault diagnosis with event-based camera [J]. IEEE Transactions on Industrial Informatics, 2024, 20(1): 380-389.
[3] YANG Bin, LEI Yaguo, LI Xiang, et al. Deep targeted transfer learning along designable adaptation trajectory for fault diagnosis across different machines[J]. IEEE Transactions on Industrial Electronics, 2023, 70(9): 9463-9473.
[4] LI Xiwei, LEI Yaguo, XU Mingzhong, et al. A spectral self-focusing fault diagnosis method for automotive transmissions under gear-shifting conditions [J]. Mechanical Systems and Signal Processing, 2023, 200: 110499.
[5] LI Naipeng, LEI Yaguo, LI Xiang, et al. A new nonparametric degradation modeling method for truncated degradation signals by axis rotation [J]. Mechanical Systems and Signal Processing, 2023, 192: 110213.
作 者：雷亞國
責(zé)任編輯：杜蔚杰
責(zé)任校對：張 強(qiáng)
審 核：張 強(qiáng)
JME學(xué)院簡介
JME學(xué)院是由《機(jī)械工程學(xué)報(bào)》編輯部2018年創(chuàng)建，以關(guān)注、陪伴青年學(xué)者成長為宗旨，努力探索學(xué)術(shù)傳播服務(wù)新模式。首任院長是中國機(jī)械工程學(xué)會監(jiān)事會監(jiān)事長、《機(jī)械工程學(xué)報(bào)》中英文兩刊主編宋天虎。
歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學(xué)院官方群！
歡迎關(guān)注JME學(xué)院視頻號~
尋覓合作伙伴
有一種合作叫做真誠，有一種發(fā)展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發(fā)展起來前景可觀。關(guān)于論文推薦、團(tuán)隊(duì)介紹、圖書出版、學(xué)術(shù)直播、招聘信息、會議推廣等，請與我們聯(lián)系。
感謝關(guān)注我們！《機(jī)械工程學(xué)報(bào)》編輯部將努力為您打造一個有態(tài)度、有深度、有溫度的學(xué)術(shù)媒體！
版權(quán)聲明：
本文為《機(jī)械工程學(xué)報(bào)》編輯部原創(chuàng)內(nèi)容，歡迎轉(zhuǎn)載，請聯(lián)系授權(quán)！
在公眾號后臺留言需要轉(zhuǎn)載的文章題目及要轉(zhuǎn)載的公眾號ID以獲取授權(quán)!
聯(lián)系人：暖暖
電話：010-88379909
E-mail：jme@cmes.org
網(wǎng) 址：http://www.cjmenet.com.cn
官方微信號：jmewechat
熱門跟貼